Agentic RAG의 핵심 개념인 '정보의 충분성 판단'에 대해 다룹니다. 단순 검색을 넘어, 검색된 정보가 답변에 충분한지 스스로 평가하고 부족할 경우 추가 조사를 수행하는 에이전트 중심의 RAG 워크플로우를 설명합니다.

모델을 교체해도 AI의 동작이 무너지지 않는 운영 설계 — 컨텍스트 합성(Context Synthesis)과 가드레일(Guardrails)

모델 교체 시에도 AI의 일관된 동작을 유지하기 위한 운영 설계 방안을 제시합니다. 컨텍스트 합성, 거절 기억, 가드레일의 3단계 계층 구조를 통해 모델의 성능 변화에 휘둘리지 않는 시스템 구축 방법을 TypeScript 코드로 설명합니다.

AI 에이전트와 함께 개발하기: Codex, Claude Code, Claude Cowork 실전 가이드

AI 코딩 에이전트(Codex, Claude Code, Claude Cowork)를 활용하여 개발 루프를 자동화하는 실전 가이드를 제공합니다. 단순 채팅을 넘어 실제 리포지토리를 조작하는 에이전트 시대에 엔지니어가 갖춰야 할 새로운 역할과 운영 규율을 다룹니다.

대화만으로 영상을 만들 수 있다 ── 지역을 소개하는 「가면 데카 이세도」를 만들고 있는 이야기

Claude Code와 Gemini를 활용하여 대화만으로 나레이션과 자막이 포함된 영상을 제작하는 과정을 소개합니다. 복잡한 환경 설정부터 이미지 생성, 대본 작성까지 AI가 수행하여 초보자도 쉽게 지역 소개 콘텐츠를 만들 수 있습니다.

Python과 Claude를 활용하여 '젊은 세대의 소비 이탈'이라는 통설을 실제 가계조사 데이터로 검증한 사례입니다. 데이터 분석 결과, 단순한 소비 감소보다 식료비 상승이나 소비 항목의 분류 차이가 더 큰 변수임을 확인했습니다.

연재: AI 시대의 SE·프로그래머를 위한 AI 벽치기(Wall-hitting) 실전 입문 제3회 - 구현 전 AI와 설계 리뷰를 위한 벽치기

AI를 단순 정답 생성기가 아닌 설계 파트너로 활용하는 '벽치기(Wall-hitting)' 기법을 소개합니다. 설계 단계에서 AI와 다양한 선택지를 비교하고, 과잉 설계를 방지하며, 결정 근거를 ADR로 기록하는 실전 패턴을 다룹니다.

AI 에이전트가 멋대로 회계 데이터를 바꿔버린 날 —— 가드레일, 정책 엔진, 승인 워크플로우 설계론

AI 에이전트가 시스템에 직접 액세스할 때 발생할 수 있는 오작동을 방지하기 위한 3가지 제어 레이어와 5가지 설계 포인트를 다룹니다. 단순 출력 필터링을 넘어 의도 확인, 데이터 접근 제어, 실행 제어 등을 포함한 통합적인 가드레일 설계의 중요성을 강조합니다.

화자가 다듬고 청자가 망설임 없이 받아들일 수 있는 AI Agent로 만드는 공통 전달 형식

단순한 슬라이드 생성을 넘어, 사용자의 메시지를 논리적으로 다듬어 의사결정을 돕는 AI Agent 앱을 소개합니다. 과제, 근거, 결론, 요구사항이라는 4가지 판단 프로토콜을 통해 화자와 청자 사이의 커뮤니케이션 비용을 최소화하는 데 집중합니다.

Python으로 ○× 게임 AI를 밑바닥부터 만들기 그 233: 플레이아웃(Playout) 처리의 고속화

Python을 사용하여 ○× 게임의 AI 알고리즘인 원시 몬테카를로 방법의 플레이아웃(Playout) 처리 속도를 고속화하는 방법을 다룹니다. 다양한 게임판 클래스 구현에 따른 1초당 플레이아웃 수행 횟수를 측정하고 성능을 비교합니다.

Agentforce Builder를 사용하며 실제로 맞닥뜨린 4가지 포인트 | Subagent · Tool · Agent Script 이전 메모

Salesforce의 Agentforce Builder를 사용하여 AI 에이전트를 설계할 때 직면하는 실무적인 4가지 핵심 포인트를 다룹니다. 서브에이전트와 툴의 역할 분담, 에이전트 스크립트 제어, 라우팅 정밀도 향상 방법 등 실제 구축 경험을 바탕으로 정리했습니다.

AI에게 라이브러리 이전을 통째로 맡기면 왜 조용히 사고가 나는가 — 대규모 코드 마이그레이션을 「결정적 codemod × LLM ×

대규모 코드 마이그레이션 시 AI에게 모든 과정을 통째로 맡길 때 발생하는 위험성을 경고합니다. 결정적인 codemod, LLM, 인간의 3가지 레이어를 결합하여 효율적이고 안전하게 코드를 이전하는 전략을 제시합니다.

Agent 시대의 검색 설계에서 grep과 같은 전통적인 문자열 검색 도구의 재발견을 다룹니다. 단발성 검색인 RAG와 달리, Agent는 검색 실패 시 재시도할 수 있는 탐색 루프를 가지므로 grep의 신뢰성과 추적 가능성이 강력한 장점이 됩니다.

AI 에이전트를 활용해 CLI 도구인 'pouch'를 제작하며 경험한 사양 주도 개발(Spec-Driven Development) 방식을 소개합니다. 복잡한 프레임워크 대신 경량화된 사양 중심의 개발 프로세스를 통해 도구의 품질과 유지보수성을 높이는 과정을 다룹니다.

PC를 닫아도 작업이 계속되는 CLI: Devin for Terminal의 `/handoff`로 로컬과 클라우드를 왕복하기

Devin for Terminal의 `/handoff` 기능을 통해 로컬에서 시작한 코딩 작업을 클라우드 세션으로 끊김 없이 인계하는 방법을 설명합니다. 로컬의 컨텍스트, git 브랜치, 커밋되지 않은 변경 사항까지 클라우드로 전달하여 PC를 닫아도 작업이 지속되도록 합니다.

로컬 LLM 환경의 모델 관리와 VRAM 최적화에 드는 비용 대신, OpenRouter API를 활용하여 모델 교체를 단순화하고 개발 생산성을 높인 경험을 공유합니다.